論文の概要: Multi-class Regret Detection in Hindi Devanagari Script

• arxiv url: http://arxiv.org/abs/2401.16561v1
• Date: Mon, 29 Jan 2024 20:58:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 17:05:02.685129
• Title: Multi-class Regret Detection in Hindi Devanagari Script
• Title（参考訳）: Hindi Devanagariスクリプトにおけるマルチクラスレギュレット検出
• Authors: Renuka Sharma, Sushama Nagpal, Sangeeta Sabharwal, Sabur Butt
• Abstract要約: 本研究は、様々なソーシャルメディアプラットフォーム上での後悔と、特にヒンディー語でどのように表現されるかに焦点を当てる。 本稿では,3つの資料から得られた新しいデータセットについて述べる。各文を手作業で分類し,3つのクラスのうちの1つに分類する。 以上の結果から,ソーシャルメディアプラットフォーム上の個人は過去の不行や行動に後悔を抱くことが多いことが示唆された。
• 参考スコア（独自算出の注目度）: 1.249418440326334
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The number of Hindi speakers on social media has increased dramatically in recent years. Regret is a common emotional experience in our everyday life. Many speakers on social media, share their regretful experiences and opinions regularly. It might cause a re-evaluation of one's choices and a desire to make a different option if given the chance. As a result, knowing the source of regret is critical for investigating its impact on behavior and decision-making. This study focuses on regret and how it is expressed, specifically in Hindi, on various social media platforms. In our study, we present a novel dataset from three different sources, where each sentence has been manually classified into one of three classes "Regret by action", "Regret by inaction", and "No regret". Next, we use this dataset to investigate the linguistic expressions of regret in Hindi text and also identify the textual domains that are most frequently associated with regret. Our findings indicate that individuals on social media platforms frequently express regret for both past inactions and actions, particularly within the domain of interpersonal relationships. We use a pre-trained BERT model to generate word embeddings for the Hindi dataset and also compare deep learning models with conventional machine learning models in order to demonstrate accuracy. Our results show that BERT embedding with CNN consistently surpassed other models. This described the effectiveness of BERT for conveying the context and meaning of words in the regret domain.
• Abstract（参考訳）: ソーシャルメディア上のヒンディー語話者の数は近年劇的に増加している。 後悔は私たちの日常生活で共通の感情的な経験です。 ソーシャルメディアで多くの講演者が、後悔した経験や意見を定期的に共有している。 それは自分の選択を再評価し、チャンスがあれば別の選択をしたいという願望を引き起こすかもしれない。 結果として、後悔の源を知ることは、行動や意思決定に与える影響を調べる上で重要である。 本研究は,様々なソーシャルメディアプラットフォーム上での後悔の表現,特にヒンディー語での表現に焦点をあてたものである。 そこで本研究では,各文を手作業で分類した3つの資料から,「行動による反応」,「不行動による反応」,「後悔なし」の3つのクラスのうちの1つに分類した。 次に,このデータセットを用いて,ヒンディー語文における後悔の言語表現を調査し,後悔に最も結びついているテキスト領域を特定する。 以上の結果から,ソーシャルメディアプラットフォーム上の個人は過去の不行や行動,特に対人関係の領域における後悔を表現することが多かった。 トレーニング済みのBERTモデルを用いて,Hindiデータセットの単語埋め込みを生成し,ディープラーニングモデルと従来の機械学習モデルを比較して精度を実証する。 以上の結果から,BERT と CNN の埋め込みが他のモデルより一貫して上回っていることがわかった。 このことは、後悔領域における単語の文脈と意味を伝えるためのBERTの有効性について述べた。

関連論文リスト

• Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue [67.09698638709065]
  本稿では,SEntiment-enhanceD Graph を用いたマルチモーダルサルカズム記述フレームワーク EDGE を提案する。 特に,まずレキシコン誘導型発話感情推論モジュールを提案し,そこでは発話感情改善戦略を考案する。 次に,マルチモーダル感情分析モデル JCA を拡張し,映像音声クリップ毎に共同感情ラベルを導出することにより,JCA-SI (Joint Cross Attention-based Sentiment Inference) というモジュールを開発する。
  論文  参考訳（メタデータ） (2024-02-06T03:14:46Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• ReDDIT: Regret Detection and Domain Identification from Text [62.997667081978825]
  本稿では,Redditテキストのデータセットを,Regret by Action,Regret by Inaction,No Regretの3つのクラスに分類した。 以上の結果から,Reddit利用者は過去の行動,特に関係領域における後悔を表明しがちであることがわかった。
  論文  参考訳（メタデータ） (2022-12-14T23:41:57Z)
• BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
  bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。 私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
  論文  参考訳（メタデータ） (2022-04-07T14:28:51Z)
• Efficacy of BERT embeddings on predicting disaster from Twitter data [0.548253258922555]
  救助機関はソーシャルメディアを監視し、災害を特定し、生命のリスクを減らす。 人間が大量のデータを手動でチェックし、災害をリアルタイムで特定することは不可能である。 先進的な文脈埋め込み法(BERT)は、同じ単語に対する異なるベクトルを異なる文脈で構築する。 BERT埋め込みは、従来の単語埋め込みよりも災害予測タスクにおいて最良の結果をもたらす。
  論文  参考訳（メタデータ） (2021-08-08T17:44:29Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Detection of Emotions in Hindi-English Code Mixed Text Data [0.0]
  近年,ソーシャルネットワークやスマートフォン上でのコミュニケーションにテキストチャットの利用が増加している。 これは特に、英語の語彙で認識されていない単語を含むヒンディー語と英語のコードミキシングされたテキストを使用する。 我々は、これらの混合データから感情を検知し、怒り、恐怖、幸せ、悲しむ人間の感情で文章を分類することに取り組んできた。
  論文  参考訳（メタデータ） (2021-05-19T16:12:01Z)
• Towards Emotion Recognition in Hindi-English Code-Mixed Data: A Transformer Based Approach [0.0]
  感情検出のためのラベル付きhinglishデータセットを提案する。 ヒンディー語と英語の混成ツイートの感情を検出するための深層学習に基づくアプローチに注目した。
  論文  参考訳（メタデータ） (2021-02-19T14:07:20Z)
• Evaluation of Deep Learning Models for Hostility Detection in Hindi Text [2.572404739180802]
  ヒンディー語における敵対的テキスト検出手法を提案する。 提案手法は、Constraint@AAAI 2021 Hindiホスト性検出データセットで評価される。 この多ラベル分類問題に対して,CNN,LSTM,BERTに基づく深層学習手法のホストを評価した。
  論文  参考訳（メタデータ） (2021-01-11T19:10:57Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。